语音转换中特征参数及其转换方法的研究.pdf

《语音转换中特征参数及其转换方法的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＇－－韦：？Ｉ．：＾Ｗ；避Ｓ■Ｖ：ｒ释宴■為急Ｌ若卷：．．‘羣％；Ｖｆ‘‘；；ｈ／霧：或巧＾７；是一：：．■：静Ｎ－作护咬Ｖ．．．．Ｗ＞．．单拓密號开．－－■苗副．Ｖｖ＾吗：：．ｒＶ－Ｉ／請ｉ－．．．．１．Ｖ．．Ｖ声■‘、坟＂诉．；ｌ也，长Ｖｉ綾，．琼片１巧，今裹＞：著皆ｒＬｉ泛若據斗；每；、却去；；若‘．ｉ＇＾可．其巧、‘．‘、＇．爲？＇：Ｓ■＇；，户’与■痛去ｔ塞Ｌ化３或ｒ－ｆｆ．／、引．矿带腳；．詩＇１．．．ｒ＇．．：

2、；ｖ．．．麥＾＇＇；矿藉，．／节．．合」ｙＶ＾：＇．ｒ＾ｖ．；早Ｊ．ｎ＇一：這ｒ；＂：＞巧細．、；．爸蔡总．．－＇＂、．：．．．乂勺著愁？容：？ｘｆ乂－，’－：，．．．費一．，／．；某０巧骑．：疆目转神私勝数其纖的０也．－．．‘：．皆＂．Ａ＜／．：：＇．化，皆奪．、＂單為赛；．令泼、，ｖ巧凑這．；－ｖ＼每嘴ｒｒ；十．ｖ．Ｋ達＾ｖ界、心－；；ｙ－采山璋‘＞．。這，‘－．交．編，ｖ禱＇讓＇－＇；、．＃．．＇＇；、本＼－＂／、＞．＞＇式一．．＊葦Ｗ

3、Ｗ＾＂鸿号．令＇：茜’八Ｖ＇作：；：－；巧個先同．名Ｘ＾马：．＾，张．跨华．师．分」．信非則詳細Ｌ＜幸科？业．．．０．ｆ也辟处屈与齡财．ｒ究穿子向＾ｒ料请学类别王已皿女一死ｊ牌巧Ｓ，交提日期＇山＇今：．．．７、．：Ｖ如心，‘’、今备策泰＇，＇．．．．壤．４ｉ；訂扇、＇．＇．．＇噫ｊ＇ｌ：一单／姜，沪／Ｉ躬＇－户；．替：节？＃１：藻，隹＾１护：祥私Ｃ彰南京邮电大学学

4、位论女原创性声明本人声明所呈交的学位论义是我个人在导师指导下进行的研究了作及取得的研究成果。｜１，除了文中特别加标化和致谢的地方外，论文不包含他人ｌＬ经发巧或撰写过尽我所知｜。的研巧成果，也不包含为获得南京邮电乂学或其它教育机构的学化或证巧而使用过的材料一与我同Ｘ作的巧志对本研究所做的任何贡献均ｄ化论文中作了明确的说明并巧示了谢恵。一本人学位论文及涉及相关资抖若有不实，愿意承担切相关的法律责化。：ｒ研巧牛避名：ｎ期梓如＿＿进也岭．．南京邮电大学学位论文使用授权声明

5、呆留并４国家有义部ｎ或机构送交论文的毎印件和电子文本人授权南点邮电大学可１允许论文被査阅和借阅；；可将学位论文的全部或部分内容编入有关数据库进巧检索档；巧采用影印、缩印诚打描等复制于段保存、汇编本学位论文。本文化了文档的内容和纸巧一论文的内容相致。论义的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。；作兴部：研巧化签名：货也吗导帅签名：勺日期TheResearchonFeatureParametersandTransformatio

6、nMethodsinVoiceConversionThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByCHENXiantongSupervisor:Prof.ZHANGLinghuaApril2015摘要语音转换技术实现的是两个不同说话人声音个性特征之间的转变，即以目标说话人的声音特征为导向，通过改变源说话人的个性特征使之具有目标说话人的特征，从而改变源说

7、话人话音的听觉效果。本文主要研究语音个性特征参数的转换方法，实现语音参数的有效利用以及转换效果的增强。主要工作如下：（1）对基音频率、语速等韵律特征的调整进行研究。本文在实现基音频率转换的同时，提出用高斯法作为源和目标语音时长的映射规则，并利用按照获得的时长比例来进行内插的方法实现目标语音时长的调整，从而使合成的语音时长更接近目标语音，提高语速的相似度。（2）对声道特征参数的转换规则进行研究。人工神经网络的泛化属性有助于实现说话人特征的转换，但网络的训练通常存在隐含层节点较多导致网络结构较复杂的

8、问题。因此，本文提出基于改进的径向基函数神经网络的声道特征参数转换方法。该方法用K均值算法作为神经网络中心值算法，并利用粒子群优化算法对网络隐含层的节点数进行优化，有效地提高了径向基函数网络对多维非线性特征参数拟合与转换效率，从而提高转换语音与目标语音的相似度。（3）对语音转换系统进行完善。由于提取的声道特征参数通常具有数据量较大的特点，而且对于同一条将要转换的测试语音，不同数据段训练得到的转换规则其转换效果有所不同。为了充分利用提取的参数，本文提出用高斯混合模型对提取的大量特征参数进行预处理，